R and databases

class: center, middle

.linea-superior[]
.linea-inferior[]

## INE Educa: Clases abiertas de R

## Visualización con ggplot I

## Proyecto Ciencia de Datos

---

background-image: url("imagenes/fondo2.PNG")
background-size: contain;
background-position: 100% 0%

# La importancia de la visualización

**La visualización juega un rol importante en las etapas del análisis de datos:**

- Exploración

- Modelamiento

- Comunicación

"*Un simple gráfico ha traído más información a la mente de los analistas que cualquier otro dispositivo*" (John Tukey)

Los gráficos nos permiten comunicar y atraer la atención de una audiencia: [John Tukey](https://es.wikipedia.org/wiki/John_W._Tukey)

---
background-image: url("imagenes/fondo2.PNG")
background-size: contain;
background-position: 100% 0%

# Visualizaciones no efectivas

<br/>

.center[
<img src="imagenes/obamacare.PNG" width="700" />
]

---
background-image: url("imagenes/fondo2.PNG")
background-size: contain;
background-position: 100% 0%

# Descripción del dataset

Trabajaremos con un dataset de nombres inscritos en el registro civil

Los datos se encuentran en el paquete guaguas de [Riva Quiroga](https://github.com/rivaquiroga/guaguas)

.center[
<img src="https://raw.githubusercontent.com/rivaquiroga/guaguas/master/man/figures/guaguas-hex.png" width="100" />
]

```r
#install.packages("guaguas")
library(guaguas)
head(guaguas, 2)
```

```
## # A tibble: 2 × 5
##    anio nombre sexo      n proporcion
##   <dbl> <chr>  <chr> <dbl>      <dbl>
## 1  1920 María  F      2130     0.104 
## 2  1920 José   M       984     0.0483
```

### Generemos un gráfico de barras con la cantidad de mujeres y hombres

---

background-image: url("imagenes/fondo2.PNG")
background-size: contain;
background-position: 100% 0%

# Gráfico de barras

Echaremos mano a lo aprendido en videos anteriores

```r
library(tidyverse)
tabla <- guaguas %>% 
  group_by(sexo) %>% 
  summarise(frecuencia = sum(n))
tabla
```

```
## # A tibble: 3 × 2
##   sexo  frecuencia
##   <chr>      <dbl>
## 1 F       10931372
## 2 I            344
## 3 M       11197384
```

### Tenemos categorías femenino (F), indeterminado (I) y masculino (M)

---

background-image: url("imagenes/fondo2.PNG")
background-size: contain;
background-position: 100% 0%

# La sintaxis de ggplot

`ggplot` funciona con un sistema de capas

Siempre comenzaremos con la función `ggplot`

```r
library(ggplot2)
ggplot(data = tabla, aes(x = sexo, y = frecuencia))
```

* `data`: tabla para la cual queremos generar el gráfico

* `aes`: viene de *aesthetics*. Contiene los elementos estéticos de nuestro gráfico

+ `x`: variable que será mapeada al eje x 
    + `y`: variable que será mapeada al eje y

---

background-image: url("imagenes/fondo2.PNG")
background-size: contain;
background-position: 100% 0%

# La sintaxis de ggplot

```r
ggplot(data = tabla, aes(x = sexo, y = frecuencia)) + 
* geom_bar(stat = "identity")
```

### **geom_bar**: capa de figura geométrica

### **identity** le dice a ggplot que no queremos hacer nada con los datos, es decir, graficar la tabla sin modificaciones

---
background-image: url("imagenes/fondo2.PNG")
background-size: contain;
background-position: 100% 0%

# ¿Qué es exactamente identity?

.center[
<img src="https://media.giphy.com/media/a5viI92PAF89q/giphy.gif" width="200" />
]

`geom_bar` por defecto llama a la función `stat_count`

`stat_count` espera como input una sola variable

```r
ggplot(data = tabla, aes(x = sexo, y = frecuencia)) + 
* geom_bar()
```

```
## Error in `geom_bar()`:
## ! Problem while computing stat.
## ℹ Error occurred in the 1st layer.
## Caused by error in `setup_params()`:
## ! `stat_count()` must only have an x or y aesthetic.
```

---

background-image: url("imagenes/fondo2.PNG")
background-size: contain;
background-position: 100% 0%

# Sigamos la instrucción de ggplot

```r
*ggplot(data = tabla, aes(x = sexo)) +
  geom_bar()
```

### geom_bar cuenta el número de filas en cada categorías

### En ciertas ocasiones será útil

---
background-image: url("imagenes/fondo2.PNG")
background-size: contain;
background-position: 100% 0%

# La sintaxis de ggplot

```r
ggplot(data = tabla, aes(x = sexo, y = frecuencia)) + 
  geom_bar(stat = "identity") + 
* geom_hline(aes(yintercept = mean(frecuencia)) )
```

geom_hline: línea horizontal

---

background-image: url("imagenes/fondo2.PNG")
background-size: contain;
background-position: 100% 0%

# Agregando más atributos

Nombres de mujer más populares de 2019

```r
top10 <- guaguas %>% 
  filter(anio == 2019 & sexo == "F") %>% 
  arrange(desc(n)) %>% 
  slice(1:10)
*ggplot(top10, aes(x = nombre, y = n, fill = nombre)) +
  geom_bar(stat = "identity")
```

---

background-image: url("imagenes/fondo2.PNG")
background-size: contain;
background-position: 100% 0%

# Agregando más atributos

```r
guaguas %>% 
  filter(nombre == "Eduardo" & sexo == "M") %>% 
  ggplot(aes(x = anio, y = n, color = "coral")) +
  geom_line() +
  geom_vline(xintercept = c(1965, 1982), linetype="dotted" ) + 
* labs(title="El nombre Eduardo a lo largo de la historia",
*       x ="año", y = "frecuencia") +
* theme(plot.title = element_text(hjust = 0.5))
```

---

background-image: url("imagenes/fondo2.PNG")
background-size: contain;
background-position: 100% 0%

# Un poco más sobre theme

`theme` nos permite modificar elementos estéticos

```r
guaguas %>% 
  filter(nombre == "Eduardo" & sexo == "M") %>% 
  ggplot(aes(x = anio, y = n, color = "coral")) +
  geom_line() +
  geom_vline(xintercept = c(1965, 1982), linetype="dotted" ) + 
* labs(title="El nombre Eduardo a lo largo de la historia",
*       x ="año", y = "frecuencia") +
  theme(plot.title = element_text(hjust = 0.5),
*       axis.text.x = element_text(angle = 90, color = "red" ))
```

---
background-image: url("imagenes/fondo2.PNG")
background-size: contain;
background-position: 100% 0%

# Agreguemos más cosas al gráfico

```r
guaguas %>% 
  filter(sexo == "F") %>% 
* filter(nombre %in% c("Sofía", "María", "Amanda") & anio > 1980) %>%
  ggplot(aes(anio, n, color = nombre)) +
  geom_point() +
  geom_line() +
  labs(x = "año", y = "total inscripciones",
       title = "Algunos nombre de mujer a lo largo de la historia") +
* theme(plot.title = element_text(hjust = 0.5, size = 16, color = "blue"))
```

---

class: center, middle

.linea-superior[]
.linea-inferior[]

## INE Educa: Clases abiertas de R

## Visualización con ggplot I

## Proyecto Ciencia de Datos